แท็ก

#Gemma

12 บทความ

Google ปล่อย EmbeddingGemma 2: โมเดล embedding 740M ไลเซนส์ Apache 2.0 รวมข้อความ ภาพ เสียง และวิดีโอไว้ในเวกเตอร์ 768 มิติชุดเดียว โหลดเฉพาะ encoder ที่ใช้ได้ — งานโค้ดดีขึ้นชัด แต่ข้อความหลายภาษาแทบเท่าเดิม
โมเดลใหม่

Google ปล่อย EmbeddingGemma 2: โมเดล embedding 740M ไลเซนส์ Apache 2.0 รวมข้อความ ภาพ เสียง และวิดีโอไว้ในเวกเตอร์ 768 มิติชุดเดียว โหลดเฉพาะ encoder ที่ใช้ได้ — งานโค้ดดีขึ้นชัด แต่ข้อความหลายภาษาแทบเท่าเดิม

6 ต.ค. 2026 Google DeepMind ปล่อย EmbeddingGemma 2 โมเดล embedding แบบเปิดขนาด 740M ที่แปลงข้อความ โค้ด ภาพ เสียง และวิดีโอลงพื้นที่เวกเตอร์ 768 มิติเดียวกัน ใช้ Apache 2.0 รองรับ Matryoshka ตัดเหลือ 128–512 มิติ และแยกโหลด encoder ภาพ/เสียงได้ คะแนน MTEB code ขึ้นจาก 68.76 เป็น 78.68 แต่ MTEB หลายภาษาแทบไม่ขยับ (61.15 → 61.36)

· อ่าน 4 นาที
Google เปิด autofinetune — ให้เอเจนต์จูน Gemma บน TPU ข้ามคืนด้วย program.md ไฟล์เดียว แต่ results.tsv ในรีโปบอกว่า SFT ขยับ 3.7 จุด และกำไร RL กว่าครึ่งมาจากรูปแบบคำตอบ
เครื่องมือนักพัฒนา

Google เปิด autofinetune — ให้เอเจนต์จูน Gemma บน TPU ข้ามคืนด้วย program.md ไฟล์เดียว แต่ results.tsv ในรีโปบอกว่า SFT ขยับ 3.7 จุด และกำไร RL กว่าครึ่งมาจากรูปแบบคำตอบ

Google Developers Blog (11 ก.ย. 2026) เปิด autofinetune ลูปวิจัยอัตโนมัติสไตล์ autoresearch ของ Karpathy สำหรับ post-training: มนุษย์เขียนกติกาใน program.md เอเจนต์แก้ run.py รันบน Tunix + Cloud TPU แล้วเก็บหรือ git reset ตามผล ไฟล์ผลลัพธ์ในรีโปแสดงว่า FunctionGemma 270M ขยับจาก 86.58% เป็น 90.32% ใน 20 รอบ ส่วน GRPO บน Gemma 3 1B ได้ reward เพิ่มราว 11% โดยกว่าครึ่งมาจาก format accuracy

· อ่าน 5 นาที
Cohere เปิดน้ำหนัก North Small Translate 218B — คะแนน WMT26 รวมนำทุกตัวในกราฟ แต่ในกลุ่มภาษาอาเซียนที่มีภาษาไทย Gemma 4 31B ทำได้สูงกว่า
โมเดลใหม่

Cohere เปิดน้ำหนัก North Small Translate 218B — คะแนน WMT26 รวมนำทุกตัวในกราฟ แต่ในกลุ่มภาษาอาเซียนที่มีภาษาไทย Gemma 4 31B ทำได้สูงกว่า

10 ก.ย. Cohere ปล่อยโมเดลแปลภาษา MoE 218B (active 25B) รองรับ 50 ภาษารวมภาษาไทย ใต้ CC BY-NC 4.0 ได้ 83.60 บน WMT26 ทุกภาษาโดยให้ GPT-5.6-Sol เป็นผู้ตัดสิน — แต่กราฟรายภูมิภาคของ Cohere เองแสดงว่า Gemma 4 31B (on) ชนะใน 4 จาก 6 ภูมิภาค รวมเอเชียตะวันออกเฉียงใต้ที่ 89.23 ต่อ 86.32 และคะแนนรวมที่นำอยู่มาจากภาษากลุ่ม EU ที่กินน้ำหนักไป 23 จาก 50 ภาษา

· อ่าน 6 นาที
WikiSkill ของ Google Research: ให้เอเจนต์เขียน "วิกิ" บันทึกความผิดพลาดของตัวเอง แล้วค่อยกลั่นเป็น skill — ดัน Gemini 3.5 Flash จาก 49.5 เป็น 68.1 โดยไม่แตะน้ำหนัก
AI Skills

WikiSkill ของ Google Research: ให้เอเจนต์เขียน "วิกิ" บันทึกความผิดพลาดของตัวเอง แล้วค่อยกลั่นเป็น skill — ดัน Gemini 3.5 Flash จาก 49.5 เป็น 68.1 โดยไม่แตะน้ำหนัก

Google Research ปล่อยเปเปอร์ WikiSkill บน arXiv เมื่อ 27 ส.ค. 2026 — แยกงานของเอเจนต์เป็นสามชั้น (ร่องรอยดิบ / วิกิความรู้ถาวร / skill ที่ใช้งานจริง) แล้วให้ skill วิวัฒน์บนฐานความรู้ที่สะสมไม่หาย ผลคือ Gemini 3.5 Flash ขึ้นจาก 49.5 เป็น 68.1 เฉลี่ยห้าเบนช์มาร์ก และ Qwen-3.5-9B ที่มี skill เอาชนะ Qwen-3.6-27B ที่ไม่มี

· อ่าน 7 นาที
Gemma 4 E2B วิ่งบน Raspberry Pi 5 ได้แล้ว — Google เปิดตัวเลขจริง decode 9 โทเคน/วินาที กินแรม 1.4GB ติดตั้งด้วยสองคำสั่ง
เครื่องมือนักพัฒนา

Gemma 4 E2B วิ่งบน Raspberry Pi 5 ได้แล้ว — Google เปิดตัวเลขจริง decode 9 โทเคน/วินาที กินแรม 1.4GB ติดตั้งด้วยสองคำสั่ง

11 ส.ค. 2026 Google ร่วมกับ Raspberry Pi Ltd และ Igalia เผยแพร่คู่มือรัน Gemma บน Raspberry Pi 5 ด้วย LiteRT พร้อมตัวเลขวัดจริง — Gemma 4 E2B ทำ prefill 99 โทเคน/วินาที decode 9 โทเคน/วินาที ใช้แรมสูงสุด 1,432 MB และติดตั้งได้ด้วยคำสั่งเดียวจาก Hugging Face

· อ่าน 5 นาที
LTX-2.5 ออกแล้วเป็น open weights — โมเดลวิดีโอ 22B ที่ตัด multishot ได้ในรอบเดียว และรันบน RTX ตัวเดียวได้จริง
โมเดลใหม่

LTX-2.5 ออกแล้วเป็น open weights — โมเดลวิดีโอ 22B ที่ตัด multishot ได้ในรอบเดียว และรันบน RTX ตัวเดียวได้จริง

11 ส.ค. 2026 Lightricks ปล่อย LTX-2.5 เป็น open weights บน Hugging Face — transformer 22B สองเช็คพอยต์ (dev/distilled) พร้อม text encoder Gemma 4 12B, decoder แบบ diffusion ตัวใหม่, และความสามารถ multishot ที่สร้างหลายช็อตต่อเนื่องในการ generate รอบเดียว เปิด ComfyUI ได้ตั้งแต่วันแรก

· อ่าน 6 นาที
ทีม VIDRAFT เปิด config เต็มที่ทำสถิติ Fast Gemma Challenge — 510.58 TPS บน A10G ใบเดียว โดยไม่ให้คุณภาพหลุดเพดาน
เครื่องมือนักพัฒนา

ทีม VIDRAFT เปิด config เต็มที่ทำสถิติ Fast Gemma Challenge — 510.58 TPS บน A10G ใบเดียว โดยไม่ให้คุณภาพหลุดเพดาน

3 สิงหาคม 2026 ทีม VIDRAFT เผยแพร่ manifest.json ทั้งไฟล์ของสถิติ verified อันดับหนึ่งใน Fast Gemma Challenge — 510.58 token/วินาที บน NVIDIA A10G ใบเดียว ที่ PPL 2.3930 พร้อมอธิบายทุกปุ่มที่หมุน รวมถึงเหตุผลที่รันเร็วกว่าอย่าง 535.91 TPS ไม่ผ่านการตรวจซ้ำ

· อ่าน 7 นาที
TurboFieldfare รัน Gemma 4 26B ด้วย RAM แค่ 2 GB บน MacBook Air 8 GB
เครื่องมือนักพัฒนา

TurboFieldfare รัน Gemma 4 26B ด้วย RAM แค่ 2 GB บน MacBook Air 8 GB

รันไทม์โอเพนซอร์ส Apache-2.0 เขียนด้วย Swift + Metal สตรีม expert ของ Gemma 4 26B-A4B จาก SSD ทีละโทเคน ทำให้โมเดล 26B รันได้บน Mac RAM 8 GB โดยใช้หน่วยความจำราว 2 GB วัดได้ 5.1–6.3 tok/s บน M2 MacBook Air และ 31–35 tok/s บน M5 Pro

· อ่าน 6 นาที
รัน LLM 28.9 ล้านพารามิเตอร์บนไมโครคอนโทรลเลอร์ราคา 8 ดอลลาร์ — เทคนิค Per-Layer Embeddings ของ Gemma ย่อโมเดลลง ESP32-S3 ได้ 9.5 tok/s
เครื่องมือนักพัฒนา

รัน LLM 28.9 ล้านพารามิเตอร์บนไมโครคอนโทรลเลอร์ราคา 8 ดอลลาร์ — เทคนิค Per-Layer Embeddings ของ Gemma ย่อโมเดลลง ESP32-S3 ได้ 9.5 tok/s

โปรเจกต์โอเพนซอร์สบน GitHub รันโมเดลภาษา 28.9 ล้านพารามิเตอร์บน ESP32-S3 ราคาราว 8 ดอลลาร์ ได้ราว 9.5 tok/s โดยยืมเทคนิค Per-Layer Embeddings จาก Gemma 3n/Gemma 4 มาเก็บตารางเอ็มเบดดิง 25 ล้านพารามิเตอร์ไว้ในแฟลชแทน RAM — อ่านแค่ราว 450 ไบต์ต่อโทเคน ใหญ่กว่าสถิติเดิมบนชิประดับเดียวกันราว 100 เท่า

· อ่าน 6 นาที
DiffusionGemma: Google เปิดโมเดลภาษาแบบ "diffusion" โอเพนเวตตัวแรก — สร้างข้อความทีละบล็อก เร็วกว่าเดิม 4 เท่า รันบน RTX 4090 ได้
โมเดลใหม่

DiffusionGemma: Google เปิดโมเดลภาษาแบบ "diffusion" โอเพนเวตตัวแรก — สร้างข้อความทีละบล็อก เร็วกว่าเดิม 4 เท่า รันบน RTX 4090 ได้

Google DeepMind ปล่อย DiffusionGemma โมเดลภาษาแบบ text-diffusion โอเพนเวตตัวแรกที่ขึ้น mainstream — MoE 26B (active 3.8B) สร้างข้อความทีละบล็อก 256 โทเคนพร้อมกันแทนการไล่ทีละโทเคน เร็วกว่าโมเดล autoregressive ได้ถึง 4 เท่า ภายใต้ Apache 2.0 และรันบน RTX 4090/5090 24GB ได้เมื่อ quantize

· อ่าน 6 นาที
Google เปิดตัว Colab CLI — สั่งรันสคริปต์บน GPU/TPU ของ Colab จาก terminal และให้ AI agent ใช้เป็นเครื่องมือได้
เครื่องมือนักพัฒนา

Google เปิดตัว Colab CLI — สั่งรันสคริปต์บน GPU/TPU ของ Colab จาก terminal และให้ AI agent ใช้เป็นเครื่องมือได้

Google ประกาศ Google Colab CLI เครื่องมือ command-line น้ำหนักเบาที่เชื่อม terminal บนเครื่องเรากับ runtime ของ Colab บนคลาวด์ ทำให้ขอ GPU/TPU มารันสคริปต์ Python ได้ทันทีด้วยคำสั่งเดียว และที่สำคัญคือมาพร้อม skill file สำเร็จรูปให้ AI agent อย่าง Claude Code, Codex และ Antigravity เรียกใช้เป็นเครื่องมือได้เลย

· อ่าน 4 นาที
Google ปล่อย Gemma 4 12B โมเดล multimodal แบบ encoder-free รุ่นแรก รันได้บนแล็ปท็อป 16GB
โมเดลใหม่

Google ปล่อย Gemma 4 12B โมเดล multimodal แบบ encoder-free รุ่นแรก รันได้บนแล็ปท็อป 16GB

Google เปิดตัว Gemma 4 12B โมเดล multimodal ขนาดกลางตัวแรกของตระกูลที่ใช้สถาปัตยกรรม encoder-free รับภาพ เสียง และวิดีโอเข้า LLM โดยตรง รันได้บนแล็ปท็อป GPU 16GB พร้อมแอป macOS และ local API server แบบ OpenAI-compatible

· อ่าน 4 นาที